| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第13-21页 |
| 1.1 论文研究背景与意义 | 第13-15页 |
| 1.2 国内外相关研究内容 | 第15-18页 |
| 1.2.1 人脸检测 | 第15-16页 |
| 1.2.2 人脸对齐 | 第16-17页 |
| 1.2.3 人脸识别 | 第17-18页 |
| 1.3 本文主要研究内容 | 第18-19页 |
| 1.4 本文组织结构 | 第19-21页 |
| 第2章 图像特征提取方法 | 第21-34页 |
| 2.1 手工设计的图像特征 | 第21-25页 |
| 2.1.1 图像特征 | 第21页 |
| 2.1.2 LBP特征 | 第21-23页 |
| 2.1.3 Gabor特征 | 第23-25页 |
| 2.2 深度学习和图像特征自动提取 | 第25-33页 |
| 2.2.1 人工神经网络 | 第25-26页 |
| 2.2.2 卷积神经网络结构 | 第26-29页 |
| 2.2.3 卷积神经网络特点 | 第29-30页 |
| 2.2.4 经典深度神经网络 | 第30-33页 |
| 2.3 本章小结 | 第33-34页 |
| 第3章 基于随机点积图的人脸识别算法 | 第34-46页 |
| 3.1 随机点积图相关理论 | 第34-35页 |
| 3.2 融合Gabor特征的基于随机点积图的人脸识别算法 | 第35-40页 |
| 3.2.1 简化的随机点积图嵌入方法 | 第35-36页 |
| 3.2.2 人脸图像gabor特征的提取策略 | 第36-38页 |
| 3.2.3 赋值节点惩罚值矩阵 | 第38页 |
| 3.2.4 依据惩罚值对图像进行分类 | 第38-39页 |
| 3.2.5 算法流程 | 第39-40页 |
| 3.3 实验及结果分析 | 第40-44页 |
| 3.3.1 实验数据集 | 第40-41页 |
| 3.3.2 数据处理与实验设计 | 第41页 |
| 3.3.3 实验结果与分析 | 第41-44页 |
| 3.4 本章小结 | 第44-46页 |
| 第4章 基于部件分块的深度神经网络人脸识别算法 | 第46-60页 |
| 4.1 人脸图像的分块策略 | 第46-49页 |
| 4.2 人脸部件置信度 | 第49-51页 |
| 4.3 基于部件分块策略的深度网络人脸识别算法 | 第51-57页 |
| 4.3.1 基于部件的分块策略 | 第51-52页 |
| 4.3.2 Loss函数替换 | 第52-55页 |
| 4.3.3 卷积神经网络结构设计 | 第55-57页 |
| 4.3.4 人脸验证 | 第57页 |
| 4.4 实验结果与分析 | 第57-59页 |
| 4.4.1 实验流程及结果 | 第57-58页 |
| 4.4.2 网络特征可视化 | 第58-59页 |
| 4.5 本章小结 | 第59-60页 |
| 第5章 总结与展望 | 第60-63页 |
| 5.1 工作总结 | 第60页 |
| 5.2 未来展望 | 第60-63页 |
| 参考文献 | 第63-67页 |
| 致谢 | 第67-69页 |
| 在读期间发表的学术论文与取得的研究成果 | 第69页 |